Supply chain risks in the dairy industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Supply chain risk (SCR) has been extensively explored in various sectors, yet there is a notable scarcity of SCR studies in the dairy industry. This study aims to identify the primary and distinctive risks in the dairy supply chain (DSC), propose a typological model for SCR, highlight challenges specific to the DSC and offer mitigation strategies. Design/methodology/approach We employ a systematic literature review to collect and review relevant research articles published between 2010 and 2019 to identify the main risks and mitigation strategies associated with the DSC, enabling the construction of a typological model of DSC risks. Findings Results of the systematic review of the SCR literature show that the main DSC risks include on-farm risk (e.g. risks originating from the farming system), off-farm risk (e.g. supply risk, demand risk and manufacturing risk) and inherent SCR (e.g. logistics risk, information risk and financial risk). Notably, we find that the farming system plays a key role in today’s agricultural supply chain operations, indicating the importance of considering on-farm risk in the entire DSC. Additionally, mitigation strategies are located in response to the identified DSC risks by the typology of DSC risks. Originality/value This paper is the first attempt to develop a typological model of SCR for the dairy industry by a systematic literature review. The findings contribute to providing a comprehensive understanding of DSC risks by bridging the gap of ignoring the on-farm risks of the DSC in the existing literature. The typology may serve as a guide in practice to develop mitigation strategies in response to DSC risks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle